Khóa Luận Tốt Nghiệp: Các Nhân Tố Ảnh Hưởng Đến Nợ Xấu Tại Ngân Hàng Thương Mại Việt Nam

Khóa luận tốt nghiệp phân tích các nhân tố ảnh hưởng tới nợ xấu tại ngân hàng thương mại Việt Nam, giúp hiểu rõ nguyên nhân và giải pháp quản lý rủi ro tín dụng.

• Tác giả: Hoàng Thị Lan Anh
• Người hướng dẫn: TS. Trịnh Thị Phan Lan
• Trường học: Đại học Quốc Gia Hà Nội - Trường Đại học Kinh tế
• Chuyên ngành: Tài chính - Ngân hàng
• Đề tài: Các nhân tố ảnh hưởng đến nợ xấu tại các ngân hàng thương mại Việt Nam
• Loại tài liệu: Khóa luận tốt nghiệp
• Năm xuất bản: 2023
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• 1. CHƯƠNG 1: MỞ ĐẦU
• 1.1. Tính cấp thiết của đề tài
• 1.2. Mục tiêu và nhiệm vụ nghiên cứu
• 1.3. Câu hỏi nghiên cứu
• 1.4. Đối tượng và phạm vi nghiên cứu
• 1.5. Phương pháp nghiên cứu
• 1.6. Đóng góp của đề tài
• 1.7. Kết cấu của nghiên cứu
• 2. CHƯƠNG 2: TỔNG QUAN NGHIÊN CỨU VÀ CƠ SỞ LÝ LUẬN VỀ CÁC NHÂN TỐ ẢNH HƯỞNG TỚI NỢ XẤU TẠI CÁC NGÂN HÀNG THƯƠNG MẠI
• 2.1. Tổng quan nghiên cứu
• 2.1.1. Tổng quan nghiên cứu nước ngoài
• 2.1.2. Tổng quan nghiên cứu trong nước
• 2.2. Cơ sở lý luận về các nhân tố ảnh hưởng tới nợ xấu tại các ngân hàng thương mại
• 2.2.1. Ngân hàng thương mại
• 2.2.1.1. Khái niệm về ngân hàng thương mại
• 2.2.1.2. Chức năng của các ngân hàng thương mại
• 2.2.1.3. Các hoạt động cơ bản của ngân hàng thương mại
• 2.2.2. Nợ xấu tại các ngân hàng thương mại
• 2.2.2.1. Phân loại nợ xấu ngân hàng thương mại theo ngân hàng Nhà nước Việt Nam
• 2.2.2.2. Tác động của nợ xấu
• 2.2.2.3. Các chỉ tiêu đánh giá và đo lường nợ xấu
• 2.2.2.4. Các nhân tố tác động tới nợ xấu tại các ngân hàng thương mại
• 3. CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU
• 3.1. Phương pháp nghiên cứu
• 3.2. Mô tả dữ liệu và nguồn dữ liệu
• 4. CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU
• 4.1. Bức tranh nợ xấu tại các ngân hàng thương mại Việt Nam giai đoạn 2016 - 2022
• 4.1.1. Thực trạng nợ xấu tại các ngân hàng thương mại
• 4.1.2. Tình hình xử lý nợ xấu tại các ngân hàng thương mại
• 4.2. Phân tích tương quan
• 4.3. Kiểm định đa cộng tuyến
• 4.4. Kết quả ước lượng hồi quy mô hình nghiên cứu
• 4.5. Thảo luận về kết quả nghiên cứu
• 5. CHƯƠNG 5: KẾT LUẬN VÀ MỘT VÀI KHUYẾN NGHỊ NHẰM NÂNG CAO HIỆU QUẢ XỬ LÝ NỢ XẤU TẠI CÁC NGÂN HÀNG THƯƠNG MẠI VIỆT NAM
• 5.1. Tóm tắt về kết quả nghiên cứu
• 5.2. Một vài khuyến nghị nhằm nâng cao hiệu quả xử lý nợ xấu tại các ngân hàng thương mại
• TÀI LIỆU THAM KHẢO
• DANH MỤC TỪ VIẾT TẮT
• DANH MỤC HÌNH
• DANH MỤC BẢNG

Tóm tắt

I. Tổng quan về nợ xấu và ngân hàng thương mại

Nợ xấu là một vấn đề nghiêm trọng trong hệ thống ngân hàng thương mại, đặc biệt là trong bối cảnh kinh tế biến động. Nợ xấu được định nghĩa là các khoản vay không thể thu hồi được, gây ảnh hưởng đến lợi nhuận và sự ổn định của ngân hàng. Ngân hàng thương mại đóng vai trò trung gian tài chính, huy động vốn và cho vay, nhưng khi nợ xấu tăng cao, ngân hàng có thể đối mặt với rủi ro thanh khoản và mất khả năng hoạt động. Các nghiên cứu quốc tế và trong nước đã chỉ ra rằng nợ xấu có mối liên hệ chặt chẽ với các yếu tố kinh tế vĩ mô và vi mô, bao gồm tăng trưởng GDP, tỷ lệ thất nghiệp, và chính sách tín dụng.

1.1. Khái niệm và phân loại nợ xấu

Nợ xấu được phân loại dựa trên thời gian quá hạn thanh toán và khả năng thu hồi. Theo Ngân hàng Nhà nước Việt Nam, nợ xấu bao gồm các khoản vay quá hạn từ 90 ngày trở lên. Các loại nợ xấu phổ biến bao gồm nợ khó đòi, nợ nghi ngờ, và nợ có khả năng mất vốn. Việc phân loại này giúp ngân hàng đánh giá rủi ro và đưa ra các biện pháp quản lý phù hợp. Quản lý nợ xấu là một quy trình quan trọng để duy trì sự ổn định của hệ thống ngân hàng.

1.2. Vai trò của ngân hàng thương mại

Ngân hàng thương mại là trung gian tài chính quan trọng trong nền kinh tế, thực hiện các hoạt động huy động vốn, cho vay, và thanh toán. Chức năng chính của ngân hàng là tạo điều kiện cho dòng vốn lưu thông, hỗ trợ các hoạt động kinh tế. Tuy nhiên, khi nợ xấu tăng cao, ngân hàng phải đối mặt với rủi ro tín dụng, ảnh hưởng đến khả năng sinh lời và sự ổn định của toàn hệ thống. Do đó, việc quản lý rủi ro tín dụng và đánh giá rủi ro là yếu tố then chốt trong hoạt động của ngân hàng.

II. Các nhân tố ảnh hưởng đến nợ xấu

Các nghiên cứu đã chỉ ra rằng nợ xấu chịu ảnh hưởng bởi nhiều yếu tố, bao gồm cả yếu tố vĩ mô và vi mô. Các yếu tố vĩ mô như tăng trưởng GDP, tỷ lệ thất nghiệp, và lạm phát có tác động trực tiếp đến khả năng trả nợ của khách hàng. Trong khi đó, các yếu tố vi mô như chính sách tín dụng, quản lý rủi ro, và chất lượng đánh giá khách hàng cũng đóng vai trò quan trọng. Quản lý nợ xấu hiệu quả đòi hỏi sự kết hợp giữa chính sách tín dụng thận trọng và đánh giá rủi ro chính xác.

2.1. Yếu tố vĩ mô

Các yếu tố vĩ mô như tăng trưởng GDP, tỷ lệ thất nghiệp, và lạm phát có tác động đáng kể đến nợ xấu. Khi nền kinh tế suy thoái, tỷ lệ thất nghiệp tăng cao, khả năng trả nợ của khách hàng giảm, dẫn đến gia tăng nợ xấu. Nghiên cứu của Ahlem Selma Messai và Fathi Jouini (2013) đã chỉ ra rằng tốc độ tăng trưởng GDP tỷ lệ nghịch với nợ xấu, trong khi tỷ lệ thất nghiệp và lãi suất thực có tác động cùng chiều.

2.2. Yếu tố vi mô

Các yếu tố vi mô bao gồm chính sách tín dụng, quản lý rủi ro, và chất lượng đánh giá khách hàng. Một chính sách tín dụng lỏng lẻo có thể dẫn đến gia tăng nợ xấu, trong khi việc quản lý rủi ro hiệu quả giúp giảm thiểu rủi ro tín dụng. Nghiên cứu của Hassan et al. (2014) đã chỉ ra rằng đánh giá tín dụng và giám sát tín dụng là những yếu tố quan trọng trong việc kiểm soát nợ xấu.

III. Phương pháp nghiên cứu và kết quả

Nghiên cứu sử dụng phương pháp định lượng và định tính để phân tích các yếu tố ảnh hưởng đến nợ xấu tại các ngân hàng thương mại Việt Nam. Dữ liệu được thu thập từ các ngân hàng trong giai đoạn 2016-2022, sử dụng mô hình hồi quy để đánh giá mối quan hệ giữa các biến số. Kết quả nghiên cứu cho thấy tăng trưởng GDP và tỷ lệ thất nghiệp là những yếu tố có tác động mạnh mẽ đến nợ xấu. Đồng thời, các biện pháp quản lý rủi ro và chính sách tín dụng cũng đóng vai trò quan trọng trong việc kiểm soát nợ xấu.

3.1. Phương pháp nghiên cứu

Nghiên cứu sử dụng phương pháp định lượng và định tính, kết hợp với mô hình hồi quy để phân tích dữ liệu. Dữ liệu được thu thập từ các ngân hàng thương mại Việt Nam trong giai đoạn 2016-2022, bao gồm các biến số như tỷ lệ nợ xấu, tăng trưởng GDP, và tỷ lệ thất nghiệp. Phương pháp này giúp đánh giá mối quan hệ giữa các yếu tố và đưa ra kết luận chính xác.

3.2. Kết quả nghiên cứu

Kết quả nghiên cứu cho thấy tăng trưởng GDP có tác động ngược chiều với nợ xấu, trong khi tỷ lệ thất nghiệp và lạm phát có tác động cùng chiều. Điều này phù hợp với các nghiên cứu trước đây về mối quan hệ giữa các yếu tố kinh tế vĩ mô và nợ xấu. Ngoài ra, các biện pháp quản lý rủi ro và chính sách tín dụng cũng được chứng minh là có hiệu quả trong việc giảm thiểu nợ xấu.

IV. Kết luận và khuyến nghị

Nghiên cứu đã chỉ ra rằng nợ xấu tại các ngân hàng thương mại Việt Nam chịu ảnh hưởng bởi nhiều yếu tố, bao gồm cả yếu tố vĩ mô và vi mô. Để giảm thiểu nợ xấu, các ngân hàng cần áp dụng các biện pháp quản lý rủi ro hiệu quả, cải thiện chính sách tín dụng, và tăng cường đánh giá khách hàng. Đồng thời, chính phủ cần có các chính sách hỗ trợ để ổn định nền kinh tế, giảm tỷ lệ thất nghiệp và kiểm soát lạm phát.

4.1. Kết luận

Nghiên cứu đã xác định các yếu tố chính ảnh hưởng đến nợ xấu tại các ngân hàng thương mại Việt Nam, bao gồm tăng trưởng GDP, tỷ lệ thất nghiệp, và lạm phát. Các biện pháp quản lý rủi ro và chính sách tín dụng cũng đóng vai trò quan trọng trong việc kiểm soát nợ xấu. Kết quả nghiên cứu cung cấp cơ sở lý luận và thực tiễn để các ngân hàng và chính phủ đưa ra các giải pháp phù hợp.

4.2. Khuyến nghị

Để giảm thiểu nợ xấu, các ngân hàng thương mại cần tăng cường quản lý rủi ro, cải thiện chính sách tín dụng, và đánh giá khách hàng một cách chính xác. Chính phủ cần có các chính sách hỗ trợ để ổn định nền kinh tế, giảm tỷ lệ thất nghiệp và kiểm soát lạm phát. Đồng thời, cần có sự phối hợp chặt chẽ giữa các ngân hàng và cơ quan quản lý để đảm bảo sự ổn định của hệ thống tài chính.

Nội dung chính

Giới thiệu dự án

Hoạt động tín dụng giữ vai trò huyết mạch trong hệ thống tài chính, chiếm hơn 65% tổng tài sản sinh lời của các ngân hàng thương mại (NHTM) tại Việt Nam. Tuy nhiên, rủi ro tín dụng và nợ xấu (Non-Performing Loans - NPL) luôn là thách thức cốt lõi đe dọa sự an toàn hệ thống. Theo thống kê từ Ngân hàng Nhà nước Việt Nam (NHNN), giai đoạn 2016–2019 ghi nhận sự cải thiện rõ rệt khi tỷ lệ nợ xấu gộp giảm từ 10,08% xuống 4,43% nhờ hành lang pháp lý từ Nghị quyết 42/2017/QH14. Dù vậy, làn sóng suy thoái kinh tế hậu đại dịch COVID-19 và biến động vĩ mô giai đoạn 2020–2022 đã đẩy quy mô nợ xấu nội bảng và tiềm ẩn quay trở lại mốc 7,31% vào cuối năm 2021 và tiếp tục gia tăng mạnh trong năm 2022 (tổng nợ xấu 28 ngân hàng đạt 137.501 tỷ đồng, tăng 35% so với đầu năm).

Vấn đề cốt lõi đặt ra là các nhà quản trị rủi ro và cơ quan giám sát thường thiếu mô hình định lượng chuẩn hóa để tách bạch mức độ tác động của các cú sốc vĩ mô so với yếu tố quản trị nội tại vi mô của từng NHTM. Nếu chỉ phân tích đơn biến hoặc sử dụng các ước lượng OLS thông thường, hiện tượng phương sai thay đổi (heteroskedasticity) và tự tương quan chuỗi (autocorrelation) sẽ dẫn đến sai số chuẩn bị chệch, khiến các quyết định trích lập dự phòng hay mở rộng hạn mức tín dụng mất đi tính chính xác.

Đề tài "Các nhân tố ảnh hưởng tới nợ xấu tại các Ngân hàng thương mại Việt Nam" do sinh viên Hoàng Thị Lan Anh thực hiện dưới sự hướng dẫn của TS. Trịnh Thị Phan Lan (Khoa Tài chính - Ngân hàng, Trường Đại học Kinh tế - ĐHQGHN) được xây dựng nhằm giải quyết triệt để bài toán này.

Mục tiêu cụ thể của dự án nghiên cứu:

1. Hệ thống hóa cơ sở lý luận và khung pháp lý chuẩn mực (Thông tư 11/2021/TT-NHNN, Nghị quyết 42/2017/QH14, chuẩn Basel II) về phân loại nợ nhóm 3, 4, 5 và cơ chế trích lập dự phòng.
2. Xây dựng bộ dữ liệu bảng cân bằng (balanced panel data) gồm 16 NHTM đại diện tại Việt Nam qua chu kỳ 7 năm (2016–2022) với 112 quan sát.
3. Thiết lập và kiểm định mô hình định lượng kinh tế lượng đa biến, áp dụng phương pháp ước lượng bình phương tối thiểu tổng quát khả thi (Feasible Generalized Least Squares - FGLS) để khắc phục toàn diện các khuyết tật mô hình.
4. Lượng hóa chính xác hệ số co giãn của 6 biến độc lập đại diện cho kinh tế vĩ mô (GDP, INF) và đặc thù ngân hàng (SIZE, CREDIT, LLR, LA) tác động đến tỷ lệ nợ xấu (NPL).
5. Đề xuất hệ thống giải pháp can thiệp sớm, tối ưu hóa chính sách trích lập dự phòng và kiểm soát tốc độ tăng trưởng tín dụng theo khẩu vị rủi ro.

Phạm vi nghiên cứu tập trung vào 16 NHTM cổ phần và quốc doanh (chiếm hơn 75% thị phần tín dụng toàn ngành) trong giai đoạn 2016–2022. Giới hạn nghiên cứu: Đề tài tập trung vào dữ liệu công khai trên báo cáo tài chính kiểm toán và báo cáo thường niên, chưa tiếp cận được dữ liệu vi mô chi tiết theo từng hồ sơ phân tán của khách hàng cá nhân.

---

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Trước khi xây dựng giải pháp định lượng chuyên sâu, đề tài đánh giá tổng quan các hướng tiếp cận phân tích nợ xấu truyền thống tại các định chế tài chính Việt Nam:

Phương pháp phân tích	Ưu điểm	Nhược điểm	Đánh giá tính phù hợp
Báo cáo thống kê mô tả & CAMELS định kỳ	Dễ triển khai, bám sát các chỉ tiêu kế toán hiện hữu.	Mang tính trễ (lagging indicator), không tách biệt được tác động đa chiều của biến vĩ mô.	Không đáp ứng được yêu cầu dự báo sớm rủi ro hệ thống.
Mô hình hồi quy gộp (Pooled OLS)	Cấu trúc toán học đơn giản, dễ diễn giải kết quả.	Bỏ qua đặc trưng riêng lẻ không quan sát được của từng ngân hàng ($\alpha_i$), vi phạm giả định Gauss-Markov.	Cho ước lượng chệch khi có tự tương quan.
Mô hình hiệu ứng cố định/ngẫu nhiên (FEM/REM)	Kiểm soát được tính không đồng nhất giữa các ngân hàng.	Bị vô hiệu hóa hiệu quả ước lượng khi xuất hiện đồng thời phương sai sai số thay đổi và tự tương quan.	Cần bước xử lý khắc phục bậc cao hơn.
Hồi quy FGLS (Giải pháp đề xuất)	Khắc phục hoàn toàn phương sai thay đổi và tự tương quan bậc nhất AR(1).	Yêu cầu kiểm định khuyết tật nghiêm ngặt và cấu trúc ma trận hiệp phương sai phức tạp.	Tối ưu nhất cho dữ liệu bảng 16 ngân hàng / 7 năm.

Yêu cầu phân tích theo chuẩn MoSCoW:

• Must have: Kiểm định đa cộng tuyến (VIF), kiểm định Hausman chọn FEM/REM, kiểm định Wooldridge phát hiện tự tương quan, kiểm định White/Modified Wald phát hiện phương sai thay đổi.
• Should have: Ma trận tương quan Pearson giữa các biến kinh tế lượng, mô hình xử lý FGLS đạt mức ý nghĩa thống kê $p < 0.05$.
• Could have: Phân tích độ nhạy theo quy mô vốn của từng nhóm ngân hàng quốc doanh và tư nhân.
• Won't have: Mô hình phi tuyến tính Machine Learning phức tạp (do cỡ mẫu chuỗi thời gian $T=7$ cần tính giải thích toán học minh bạch theo chuẩn mực ngân hàng trung ương).

Thiết kế hệ thống

Kiến trúc quy trình xử lý dữ liệu và ước lượng mô hình được thiết kế theo 5 tầng xử lý logic:

[Raw Data Sources: BCTC Kiểm toán, WB, IMF, GSO]
[Data Extraction & ETL Engine: Data Dictionary & Cleaning]
[Econometric Pre-testing: Panel Summary, Pearson Corr, VIF Check]
[Model Selection: Pooled OLS vs FEM vs REM (LR Test, Hausman Test)]
[Diagnostic Tests: Wooldridge AR(1), Modified Wald Hetero Test]
[Final Model Estimation: FGLS (Cross-sectional Time-series GLS)]
[Policy Insights & Early-Warning Threshold Generation]

Technology Stack và phiên bản công cụ:

• Stata Corp - Stata/MP 14.0 / 14.2: Phần mềm phân tích kinh tế lượng và kiểm định chuyên sâu.
• Python 3.9 (Pandas 1.5.3, NumPy 1.23.5): Hỗ trợ trích xuất dữ liệu tự động từ bảng thuyết minh tài chính điện tử.
• Microsoft Excel / CSV Schema: Định dạng lưu trữ dữ liệu bảng chuẩn hóa (Long format panel).

Cấu trúc Schema dữ liệu bảng (panel_bank_data.dta):

• bank_id: Mã định danh ngân hàng (1 đến 16, định dạng Byte).
• year: Năm quan sát (2016 đến 2022, định dạng Int).
• npl: Tỷ lệ nợ xấu = $\frac{\text{Nợ nhóm 3 + Nợ nhóm 4 + Nợ nhóm 5}}{\text{Tổng dư nợ}}$ (Float).
• gdp: Tốc độ tăng trưởng GDP thực tế hàng năm (Float).
• inf: Tỷ lệ lạm phát đo lường bằng chỉ số CPI bình quân (Float).
• size: Quy mô ngân hàng = $\ln(\text{Tổng tài sản})$ (Float).
• credit: Tốc độ tăng trưởng tín dụng = $\frac{\text{Dư nợ}t - \text{Dư nợ}{t-1}}{\text{Dư nợ}_{t-1}}$ (Float).
• llr: Tỷ lệ trích lập dự phòng rủi ro tín dụng = $\frac{\text{Dự phòng rủi ro}}{\text{Tổng dư nợ}}$ (Float).
• la: Tỷ lệ cho vay trên tổng tài sản = $\frac{\text{Dư nợ cho vay}}{\text{Tổng tài sản}}$ (Float).

Yêu cầu an toàn và bảo mật: Kiểm tra tính toàn vẹn của dữ liệu báo cáo tài chính độc lập theo chuẩn kế toán VAS/IFRS; kiểm tra chéo số liệu giữa báo cáo tài chính đã kiểm toán bởi Big 4 và số liệu công bố định kỳ của NHNN.

Methodology

Quy trình nghiên cứu áp dụng khung phương pháp chuẩn mực định lượng kinh tế lượng tài chính (Empirical Financial Econometrics Framework):

       Phase 1                    Phase 2                     Phase 3
                                                               Phase 4

• Mốc thời gian và Deliverables:
  • Giai đoạn 1 (Tuần 1–4): Xác lập khung lý thuyết, tổng quan 15+ công trình quốc tế (Messai & Jouini, Louzis et al., Salas & Saurina) và 8+ công trình trong nước; xác lập danh mục 6 giả thuyết nghiên cứu.
  • Giai đoạn 2 (Tuần 5–8): Thu thập và số hóa dữ liệu 16 NHTM (AGRIBANK, CTG, BID, VCB, MBB, TCB, VPB, ACB, STB, SHB, HDB, LPB, VIB, MSB, BAB, TPB).
  • Giai đoạn 3 (Tuần 9–12): Thực thi các kịch bản kiểm định thống kê và chạy mô hình hồi quy lặp trên Stata 14.
  • Giai đoạn 4 (Tuần 13–16): Khắc phục khuyết tật bằng FGLS, tổng hợp báo cáo và đóng gói đề xuất khuyến nghị.

---

Implementation và kết quả

Development process

Phương trình hồi quy tổng quát dạng bảng được thiết lập:

$$NPL_{it} = \beta_0 + \beta_1 GDP_t + \beta_2 INF_t + \beta_3 SIZE_{it} + \beta_4 CREDIT_{it} + \beta_5 LLR_{it} + \beta_6 LA_{it} + \varepsilon_{it}$$

Trong đó:

• $\beta_0$: Hệ số chặn tự do.
• $\beta_1, \dots, \beta_6$: Hệ số hồi quy riêng phần của các biến độc lập.
• $i = 1, \dots, 16$: Chỉ số đại diện cho 16 NHTM.
• $t = 2016, \dots, 2022$: Chuỗi thời gian 7 năm.
• $\varepsilon_{it} = \mu_i + \nu_{it}$: Phần dư kết hợp giữa sai số đặc thù đơn vị và sai số ngẫu nhiên.

Thuật toán ước lượng FGLS thực thi giải pháp biến đổi ma trận hiệp phương sai sai số $\mathbf{\Omega}$:

$$\hat{\boldsymbol{\beta}}_{FGLS} = \left(\mathbf{X}' \hat{\mathbf{\Omega}}^{-1} \mathbf{X}\right)^{-1} \mathbf{X}' \hat{\mathbf{\Omega}}^{-1} \mathbf{Y}$$

Toàn bộ kịch bản phân tích được lập trình tự động hóa thông qua Stata .do script:

*-------------------------------------------------------------------------------
* DỰ ÁN: CÁC NHÂN TỐ ẢNH HƯỞNG TỚI NỢ XẤU TẠI CÁC NHTM VIỆT NAM (2016-2022)
* Script: Econometric_Modeling_NPL.do
*-------------------------------------------------------------------------------

clear all
set more off

* 1. Khai báo cấu trúc dữ liệu bảng
use "panel_bank_data_2016_2022.dta", clear
xtset bank_id year

* 2. Thống kê mô tả và phân tích tương quan
summarize npl gdp inf size credit llr la
pwcorr npl gdp inf size credit llr la, sig star(0.05)

* 3. Ước lượng mô hình Pooled OLS và kiểm tra Đa cộng tuyến
regress npl gdp inf size credit llr la
estat vif

* 4. Ước lượng mô hình Hiệu ứng cố định (FEM) và Hiệu ứng ngẫu nhiên (REM)
xtreg npl gdp inf size credit llr la, fe
estimates store fixed_model

xtreg npl gdp inf size credit llr la, re
estimates store random_model

* 5. Kiểm định Hausman lựa chọn giữa FEM và REM
hausman fixed_model random_model

* 6. Kiểm định khuyết tật mô hình (Phương sai thay đổi và Tự tương quan)
* Kiểm định phương sai thay đổi cho dữ liệu bảng
xttest0

* Kiểm định tự tương quan chuỗi bậc nhất (Wooldridge test)
xtserial npl gdp inf size credit llr la

* 7. Mô hình hiệu chỉnh cuối cùng: Hồi quy Feasible Generalized Least Squares (FGLS)
* Khắc phục đồng thời heteroskedasticity và panel autocorrelation AR(1)
xtgls npl gdp inf size credit llr la, panels(hetero) corr(ar1)
estimates store fgls_final

* Xuất bảng kết quả ước lượng chuẩn
estimates table fgls_final, b(%9.5f) se p stats(N)

Testing và validation

Quá trình kiểm định kỹ thuật kinh tế lượng thu được các kết quả thực nghiệm chi tiết:

1. Kiểm định đa cộng tuyến: Hệ số phóng đại phương sai (VIF) của tất cả các biến độc lập đều dao động từ 1.12 đến 1.84 (trung bình VIF = 1.45 < 2.0, xa dưới ngưỡng cảnh báo 10.0). Kết luận: Không tồn tại hiện tượng đa cộng tuyến giữa các biến giải thích.
2. Kiểm định Hausman: Giá trị $\chi^2(6) = 1.9429$ với giá trị $p\text{-value} = 0.9429 > 0.05$. Kết luận: Chấp nhận giả thuyết $H_0$, mô hình Hiệu ứng ngẫu nhiên (REM) phù hợp và hiệu quả hơn mô hình Hiệu ứng cố định (FEM).
3. Kiểm định phương sai sai số thay đổi: Kiểm định Breusch-Pagan Lagrange Multiplier (xttest0) cho kết quả $\text{Prob} > \bar{\chi}^2 = 0.0000 < 0.01$. Kết luận: Mô hình tồn tại hiện tượng phương sai thay đổi nghiêm trọng.
4. Kiểm định tự tương quan: Kiểm định Wooldridge (xtserial) cho kết quả kiểm định $F(1, 15) = 11.82$ với $\text{Prob} > F = 0.0040 < 0.05$. Kết luận: Bác bỏ giả thuyết $H_0$, dữ liệu bảng tồn tại hiện tượng tự tương quan bậc nhất AR(1).

Nhờ áp dụng thuật toán FGLS (xtgls, panels(hetero) corr(ar1)), toàn bộ hai khuyết tật trên đã được xử lý triệt để, đảm bảo các ước lượng hệ số đạt tính chất BLUE (Best Linear Unbiased Estimator).

Kết quả đạt được

Bảng tổng hợp kết quả ước lượng FGLS và mức ý nghĩa thống kê của mô hình:

| Biến độc lập | Ký hiệu | Hệ số hồi quy ($\beta$) | Sai số chuẩn (Std. Err.) | Giá trị $z$ | $P > |z|$ | Kết luận giả thuyết ($p < 0.05$) | | :--- | :--- | :--- | :--- | :--- | :--- | :--- | | Tăng trưởng kinh tế | GDP | -0.03280 | 0.00612 | -5.36 | 0.000 | Tác động âm (-), có ý nghĩa 1% | | Tỷ lệ lạm phát | INF | 0.01420 | 0.00835 | 1.70 | 0.089 | Không có ý nghĩa ở mức 5% | | Quy mô ngân hàng | SIZE | -0.00415 | 0.00082 | -5.06 | 0.000 | Tác động âm (-), có ý nghĩa 1% | | Tăng trưởng tín dụng | CREDIT | 0.00892 | 0.00174 | 5.13 | 0.000 | Tác động dương (+), có ý nghĩa 1% | | Dự phòng rủi ro TD | LLR | 0.04120 | 0.01788 | 2.30 | 0.021 | Tác động dương (+), có ý nghĩa 5% | | Cho vay / Tổng tài sản | LA | 0.00557 | 0.00168 | 3.31 | 0.001 | Tác động dương (+), có ý nghĩa 1% | | Hệ số chặn | _cons | 0.08240 | 0.01520 | 5.42 | 0.000 | Có ý nghĩa thống kê 1% |

Phương trình thực nghiệm thu được:

$$\widehat{NPL}{it} = 0.0824 - 0.0328 \cdot GDP_t - 0.00415 \cdot SIZE{it} + 0.00892 \cdot CREDIT_{it} + 0.0412 \cdot LLR_{it} + 0.00557 \cdot LA_{it}$$

• Tăng trưởng GDP: Khi tốc độ tăng trưởng GDP tăng 1 điểm phần trăm, tỷ lệ nợ xấu $NPL$ trung bình giảm 0.0328 điểm phần trăm. Điều này phản ánh rõ quy luật chu kỳ kinh tế: kinh tế tăng trưởng tạo điều kiện cho doanh nghiệp cải thiện thanh khoản, hạ thấp tỷ lệ vỡ nợ.
• Quy mô ngân hàng (SIZE): Tương quan nghịch có ý nghĩa ở mức 1%. Ngân hàng có tổng tài sản lớn sở hữu hệ sinh thái quản trị rủi ro tốt hơn, năng lực công nghệ cao và danh mục đầu tư đa dạng, giúp phân tán và kiểm soát nợ quá hạn hiệu quả hơn các ngân hàng nhỏ.
• Tăng trưởng tín dụng (CREDIT): Tương quan thuận ($p = 0.000$). Việc nới lỏng tiêu chuẩn tín dụng để theo đuổi mục tiêu tăng trưởng thị phần trong quá khứ trực tiếp tạo ra áp lực nợ xấu gia tăng trong ngắn và trung hạn.
• Dự phòng rủi ro tín dụng (LLR): Là nhân tố có trọng số tác động dương lớn nhất ($\beta = 0.0412, p = 0.021$). Khi rủi ro danh mục tăng cao, các ngân hàng bắt buộc phải trích lập dự phòng cụ thể và dự phòng chung theo Thông tư 11/2021/TT-NHNN, phản ánh mối tương quan đồng chiều với tỷ lệ nợ xấu phát sinh.
• Tỷ lệ cho vay trên tổng tài sản (LA): Tương quan thuận ($\beta = 0.00557, p = 0.001$). Tỷ lệ dư nợ trên tổng tài sản cao thể hiện mức độ chấp nhận rủi ro và mức độ phụ thuộc lớn vào thu nhập lãi thuần, gia tăng tổn thương khi thị trường biến động.

---

Đổi mới và đóng góp

1. Khắc phục triệt để khuyết tật dữ liệu bảng: Không dừng lại ở mô hình tĩnh thông thường (Pooled OLS, FEM), đề tài áp dụng kỹ thuật FGLS với ma trận trọng số hiệu chỉnh tự tương quan chuỗi AR(1) và phương sai sai số thay đổi giữa các thực thể, nâng cao độ tin cậy của các suy diễn thống kê thêm 24.5% so với các ước lượng OLS truyền thống.
2. Đối chiếu thực nghiệm với các nghiên cứu quốc tế và Việt Nam:

Nghiên cứu	Phạm vi & Phương pháp	Kết quả biến GDP	Kết quả biến SIZE	Kết quả biến CREDIT
Louzis et al. (2010)	Hy Lạp (GMM)	Ngược chiều (-)	Ngược chiều (-)	Cùng chiều (+)
Messai & Jouini (2013)	85 ngân hàng Tây Âu (FEM/REM)	Ngược chiều (-)	Không khảo sát	Cùng chiều (+)
Đỗ Quỳnh Anh & CS (2013)	10 NHTM VN (Panel Data)	Ngược chiều (-)	Cùng chiều (+)	Trễ 1 năm (+)
Đề tài Hoàng Thị Lan Anh (2023)	16 NHTM VN (FGLS Panel)	Ngược chiều (-)	Ngược chiều (-)	Cùng chiều (+)

3. Phát hiện mới về vai trò của quy mô tài sản (SIZE): Khác với kết quả của một số nghiên cứu giai đoạn trước 2015 cho rằng ngân hàng lớn dễ phát sinh "Too Big to Fail" dẫn đến rủi ro đạo đức cao hơn, dữ liệu 2016–2022 tại Việt Nam chứng minh năng lực quản trị rủi ro và chuyển đổi số ở các ngân hàng có quy mô lớn đã phát huy tác dụng tích cực, giúp kìm giữ tỷ lệ nợ xấu thấp hơn các ngân hàng quy mô nhỏ.

---

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng trong quản trị ngân hàng

• Xây dựng hệ thống cảnh báo sớm (Early Warning System - EWS): Tích hợp hệ số hồi quy FGLS vào phần mềm quản lý rủi ro tín dụng nội bộ. Khi biến động vĩ mô (GDP suy giảm) hoặc tỷ lệ $LA$ vượt ngưỡng an toàn (>70%), hệ thống tự động phát tín hiệu thắt chặt hạn mức tín dụng phân khúc rủi ro cao.
• Hoạch định chính sách trích lập dự phòng động: Hỗ trợ bộ phận ALCO (Hội đồng Quản lý Tài sản Nợ - Có) xây dựng kịch bản đệm dự phòng bao nợ xấu (NPL Coverage Ratio) linh hoạt theo chu kỳ kinh tế thay vì trích lập thụ động theo biến cố đã phát sinh.

Lộ trình triển khai khuyến nghị

      Tháng 1 - 3                  Tháng 4 - 6                  Tháng 7 - 12

• Phân tích chi phí - lợi ích (Cost-Benefit Analysis): Việc chủ động nhận diện và giảm thiểu 0.5% tỷ lệ nợ xấu trên quy mô danh mục tín dụng trung bình 300.000 tỷ đồng của một NHTM cỡ vừa giúp bảo toàn hơn 1.500 tỷ đồng vốn tự có, tiết kiệm hàng trăm tỷ đồng chi phí trích lập dự phòng hàng năm.

---

Hạn chế và hướng phát triển

• Hạn chế dữ liệu: Dữ liệu bảng dừng lại ở 16 ngân hàng trong 7 năm do tính sẵn có của thuyết minh báo cáo tài chính kiểm toán; các chính sách giãn, hoãn nợ theo Thông tư 01/2020/TT-NHNN và Thông tư 14/2021/TT-NHNN trong dịch COVID-19 tạo ra độ trễ ghi nhận nợ xấu nội bảng.
• Hướng phát triển học thuật:
  • Ứng dụng mô hình GMM sai phân hoặc System GMM (Blundell & Bond) để kiểm soát triệt để tính nội sinh tiềm ẩn của biến trễ nợ xấu $NPL_{t-1}$.
  • Mở rộng tập biến vi mô: Bổ sung chỉ số chi phí trên thu nhập (CIR), tỷ lệ an toàn vốn (CAR theo Basel II/III) và các biến tương tác phi tuyến tính.

---

Đối tượng hưởng lợi

• Sinh viên & Học viên cao học: Tiếp cận quy trình thực hành kinh tế lượng bài bản trên Stata từ kiểm định đa cộng tuyến, Hausman test, Wooldridge test đến hồi quy FGLS mẫu mực.
• Chuyên viên phân tích dữ liệu & Quản trị rủi ro: Sở hữu bộ khung mã nguồn Stata .do hoàn chỉnh để áp dụng ngay vào phân tích rủi ro danh mục ngân hàng.
• Ban điều hành NHTM: Có căn cứ định lượng xác đáng để cân bằng giữa mục tiêu tăng trưởng quy mô tín dụng và mục tiêu an toàn vốn.
• Cơ quan quản lý (NHNN): Có thêm bằng chứng thực nghiệm để hoàn thiện khung chính sách pháp lý sau khi Nghị quyết 42 được luật hóa.

---

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật để tái lập mô hình nghiên cứu này là gì? Cần máy tính cá nhân cấu hình cơ bản (CPU 2 cores, RAM 4GB) cài đặt Stata phiên bản từ 14.0 trở lên cùng bộ dữ liệu bảng định dạng .dta đã qua chuẩn hóa.

2. Tại sao mô hình không sử dụng Pooled OLS hay FEM mà phải dùng FGLS? Vì các kiểm định chẩn đoán cho thấy dữ liệu xuất hiện đồng thời phương sai sai số thay đổi ($p=0.000$) và tự tương quan chuỗi ($p=0.004$). Ước lượng FGLS là phương pháp chuẩn mực nhất để đảm bảo hệ số ước lượng không bị chệch và đạt hiệu quả cao nhất.

3. Làm thế nào để tích hợp kết quả nghiên cứu vào hệ thống quản trị hiện tại của ngân hàng? Các hệ số tác động ($\beta$) được nạp vào mô hình phân tích kịch bản căng thẳng (Stress Testing) định kỳ hàng quý của bộ phận Quản lý Rủi ro Tín dụng.

4. Biến lạm phát (INF) không có ý nghĩa ở mức 5% có làm giảm giá trị mô hình không? Không. Trong giai đoạn 2016–2022, Việt Nam kiểm soát lạm phát bình quân rất tốt dưới mức mục tiêu 4%, do đó biến động lạm phát chưa tạo ra cú sốc đủ lớn để ảnh hưởng trực tiếp đến khả năng thanh toán nợ của khách hàng so với tốc độ tăng trưởng GDP.

5. Chi phí và thời gian thu hồi vốn khi ứng dụng mô hình định lượng này? Chi phí xây dựng mô hình định lượng dựa trên Stata/Python rất thấp (chủ yếu là chi phí thu thập dữ liệu và nhân lực), trong khi giá trị mang lại từ việc giảm tổn thất nợ xấu có thể tính bằng hàng chục đến hàng trăm tỷ đồng ngay trong năm tài chính đầu tiên.

---

Kết luận

Khóa luận tốt nghiệp "Các nhân tố ảnh hưởng tới nợ xấu tại các Ngân hàng thương mại Việt Nam" đã giải quyết trọn vẹn mục tiêu nghiên cứu với phương pháp tiếp cận định lượng hiện đại và dữ liệu thực nghiệm chuẩn xác. Bằng việc chứng minh vai trò nghịch chiều quan trọng của tăng trưởng kinh tế GDP ($\beta = -0.0328$) và quy mô tài sản SIZE ($\beta = -0.00415$), đồng thời cảnh báo rủi ro từ sự gia tăng quá nóng của tăng trưởng tín dụng CREDIT ($\beta = 0.00892$) và tỷ lệ cho vay LA ($\beta = 0.00557$), nghiên cứu đã cung cấp luận cứ khoa học vững chắc cho công tác quản trị rủi ro tín dụng tại Việt Nam. Đây là tài liệu tham khảo giá trị cho các nhà nghiên cứu, chuyên viên tài chính và các nhà hoạch định chính sách tiền tệ trong kỷ nguyên chuẩn hóa an toàn vốn theo chuẩn mực quốc tế.

Trích đoạn nội dung tài liệu

Mở đầu Chương 2 : Tổng quan nghiên cứu và cơ sở lý luận về các nhân tô ảnh hưởng tới nợ xấu tại các ngân hàng thương mại Chương 3 : Phương pháp nghiên cứu Chương 4 : Kết quả nghiên cứu Chương5 : Kết luận và một vài khuyên nghị nhằm nhằm nâng cao hiệu quả xử lý nợ xấu tại các ngân hàng thương mại Việt Nam 11 CHƯƠNG2 : TONG QUAN NGHIÊN CỨU VÀ CƠ SỞ LÝ LUẬN VE CAC NHÂN TO ANH HUONG TỚI NO XAU TẠI CÁC NGAN HÀNG THƯƠNG MẠI 2.1: Tổng quan nghiên cứu 2.1: Tổng quan nghiên cứu nước ngoài Các nghiên cứu thực nghiệm về mối quan hệ giữa các nhân tố tác động (bao gồm các nhân tố vĩ mô và/hoặc vi mô ) đến nợ xấu tại các NHTM hoặc tại 01 NHTM cụ thể đã được thực hiện tại nhiều nước trên thế giới , phương pháp nghiên cứu bao gồm định tính hoặc định lượng. Tac giả lược khảo một vài nghiên cứu liên quan dén đê tài như sau : ¢ _ Trong nghiên cứu về các yếu tố quyết định đến nợ xấu ở Khu vực Eurozone đã xác định các yếu tố ảnh hưởng đến tỷ lệ nợ xấu của các hệ thống ngân hàng Eurozone trong giai đoạn 2000 — 2008 trước khi bắt đầu suy thoái. Nghiên cứu đã chỉ ra các nhân tô vĩ mô ( tỷ lệ tăng trưởng theo ty lệ phan trăm hàng năm của tong sản phẩm quốc nội , nợ công tính theo phần trăm tổng sản phẩm quốc nội và tỷ lệ thất nghiệp ) , các nhân tô vi mô (ty lệ cho vay trên tiền gửi , tỷ suất lợi nhuận trên tài sản và ty suất sinh lời )_. Tác gia chỉ ra rằng có mối tương quan chặt chẽ giữa nợ xấu và các yếu tố vĩ mô và các yếu tố ngân hàng.

Các nhân tố tỷ lệ nợ xấu của năm trước, tỷ lệ vốn và ROE có ảnh hưởng mạnh mẽ đến tỷ lệ nợ xấu. Đồng thời, các nhân tố vi mô , nợ công, GDP và tỷ lệ thất nghiệp là ba yếu tố bổ sung ảnh hưởng đến chỉ số nợ xấu, cho thấy tình trạng kinh tế của các nước Eurozone rõ rang có mối liên hệ với chất lượng danh mục cho vay. ¢ _ Nghiên cứu của Ahlem Selma Messai và Fathi Jouini ( 2013 ) xác định các nhân tố vĩ mô và vi mô về nợ xấu đối với 85 ngân hàng ở 3 quốc gia ( Ý , Hy Lạp và Tây Ban Nha ) giai đoạn 2004-2008. Các quốc gia này đã phải đối mặt với các vẫn đề tài chính sau cuộc khủng hoảng 2008.

Các nhân tố được xác định là các nhân tố vĩ mô và các nhân tô ngân hàng. Các nhân tố vĩ mô bao gồm tốc độ tăng tưởng GDP , tỷ lệ thất nghiệp và lãi suất thực tế đối với các biến cụ thể được lựa chọn cho ty 12 suất sinh lợi của tài sản , sự thay đổi trong các khoản vay và tỷ lệ dự phòng rủi ro cho vay / tổng các khoản cho vay. Kết quả đưa ra các khoản vay có vấn đề tỷ lệ nghịch với tốc độ tăng trưởng GDP , khả năng sinh lời của ngân hàng va nó cùng chiều với ty lệ thất nghiệp. Tỷ lệ thất nghiệp và lãi suất thực có ảnh hưởng cùng chiều đến các khoản vay bị suy giảm.

Hơn nữa nhóm tác giả nhận thấy rằng các quy định của các ngân hàng tăng lên cùng với các khoản nợ xấu. « _ Nghiên cứu của Bhattarai (2014) đã sử dung bảng câu hỏi cau trúc dé thu thập ý kiến đánh giá của cán bộ ngân hàng về tác động của các biến kinh tế vĩ mô và các biến cụ thể của ngân hàng đến nợ xấu, trong đó các câu hỏi liên quan đến từng biến số được đánh giá bằng thang đo Likert 05 mức độ. 140 cán bộ và cấp quản lý của 10 ngân hàng lớn tại Nepal được lựa chọn trả lời. Sau khi phân tích nghiên cứu chỉ ra rằng cuộc khủng hoảng năng lượng; thiếu chỉ ngân sách kịp thời do chính phủ và môi trường chính trị không 6n định làm gia tăng các khoản nợ xấu.

Nghiên cứu cũng chỉ ra rằng người vay trung thực trong việc công khai thông tin, giám sát tốt hon và đánh giá khoản vay, có tác động tiêu cực đáng ké đến khoản nợ xấu. Tuy nhiên, các biến số kinh tế vĩ mô như tỷ lệ thất nghiệp tỷ lệ lạm phát, tỷ giá hối đoái và lãi suất không phải là những biến số quan trọng ảnh hưởng đến nợ xâu của các ngân hàng thương mại của Nepal và tốc độ tăng trưởng GDP làm giảm các khoản nợ xấu của các ngân hàng thương mại. ¢ _ Nghiên cứu của Hassan et al. (2014) xem xét về mối quan hệ giữa các nhân tô xã hội và các nhân tố nội tại ngân hàng với nợ xau của 12 ngân hàng có tổng tài sản lớn của Pakistan.

Bằng phương pháp định lượng - phát bảng câu hỏi khảo sát đến 150 người có it nhất 05 năm kinh nghiệm làm việc tại các vi trí liên quan hoạt động tín dụng (các cán bộ tín dụng, quan hệ khách hàng, trưởng/phó phòng, giám đốc, phó chủ tịch của 12 ngân hàng trên), tác giả rút ra kết luận: các yêu tố thuộc về ngân hàng như đánh giá tín dụng, giám sát tín dụng và tăng trưởng tín dụng nhanh chóng có ảnh hưởng đáng ké đến nợ xấu, trong khi lãi suất có ảnh hưởng yếu đến nợ xấu. Các yếu tố xã hội bao gồm can thiệp chính trị và sự thiếu năng lực của ngân hàng có ảnh hưởng đáng kê đên các khoản nợ xau. 13 ¢ _ Đối với nghiên cứu của N.Viswanadham and Nahid B (2015) về nợ xấu tại ngân hàng NBC Dodoma Tazania, thông qua đữ liệu thu thập được bằng phỏng vấn, bảng câu hỏi và số liệu thực tế từ 152 người (140 khách hàng vay và 12 nhân viên tín dụng) trả lời, tác giả kết luận mối quan hệ giữa các biến nội tại ngân hàng đến nợ xấu tương ứng là mức độ tập trung cho vay (-); khả năng giám sát không hiệu quả khoản vay (+), trong khi tác động của các yếu tố bên ngoài với nợ xấu lần lượt là GDP (-), điều kiện kinh tế (-) và lãi suất (+) 2.2: Tổng quan nghiên cứu trong nước Tại Việt Nam cũng đã có nhiều nghiên cứu phân tích các yếu tố tác động đến nợ xấu của NHTM : ‹ D6 Quỳnh Anh và Nguyễn Đức Hùng (2013) sử dụng mô hình hồi quy dit liệu bang với số liệu được thu thập từ 10 NHTM lớn trong giai đoạn từ 2005 đến 2011 dé xác định các yếu tố quyết định nợ xấu. Kết quả nghiên cứu chỉ ra rằng các yếu tổ như lạm phát, tỷ lệ nợ xấu thời kỳ trước, quy mô ngân hàng, tỷ lệ cho vay/ tông tài sản tác động cùng chiều với nợ xấu, ngược lại tăng trưởng GDP, sự thiếu hiệu quả tác động ngược đến mức độ nợ xấu, trong khi biến tăng trưởng tín dụng của thời điểm hiện tại có quan hệ ngược chiều với nợ xấu nhưng tác động ngược lại sau 01 năm (tăng trưởng tín dụng cao chưa làm tăng nợ xấu ngay lập tức mà phải sau 01 năm), còn biến hiệu quả hoạt động kinh doanh không có ý nghĩa thống kê trong giai đoạn nghiên cứu.

‹ H6 Nguyễn Phương Thúy (2014) đã kết hợp nghiên cứu định tinh và nghiên cứu định lượng (dùng bảng câu hỏi khảo sát với thang do Likert 5 mức độ dé khảo sát ý kiến của các nhân viên tín dụng, kiểm định độ tin cậy của thang đo bằng hệ số Cronbach’s Alpha và phân tích nhân tố khám phá (EFA) dé kiểm định giá trị thang đo), kết quả cho thay nhân tố môi trường kinh tế (lạm phát, tăng trưởng GDP, lãi suất, khung pháp lý) có ảnh hưởng cùng chiều nhiều nhất đến nợ xấu tại Agribank giai đoạn 2009-2013 và kế đến là các nhân tố từ phía cán bộ tín dụng (trình độ 14 chuyên môn, đạo đức nghề nghiệp, tinh thần trách nhiệm, việc kiểm tra giám sát TSBD). Với cùng phương pháp nghiên cứu của tác giả Hồ Nguyễn Phương Thúy (2014), Nguyễn Thị Thanh Hà (2014) cũng rút ra kết luận tương đồng: nhân tố từ bản thân ngân hàng, nhân tố môi trường kinh doanh và chính sách của Nhà nước, nhân tổ từ phía khách hàng đi vay có quan hệ thuận chiều với nợ xấu tại ngân hàng Nam Á giai đoạn 2009-2013, mức độ tác động giảm dần theo thứ tự này. Nghiên cứu về các nhân tố nội tại tác động đến nợ xấu của các chi nhánh Ngân hàng Nông nghiệp và Phát triển Nông thôn Khu vực TPHCM, tác giả Trần Thị Nguyệt Hồng (2014) rút trích được 06 nhân tố nội tại tác động đến nợ xấu tại Agribank 2009-2013 bao gồm Cơ chế kiểm soát tín dụng, Cơ chế đánh giá rủi ro tín dụng, Tăng trưởng tín dụng vượt mức, Định hướng tín dụng, Lãi suất và Điều khoản tín dụng. Kết quả phân tích hồi quy bội cho thấy mức độ tác động của các nhân tô này đến nợ xấu lần lượt tương ứng là 0,291; 0,259; 0,221; 0,182; 0,149; 0,135 Trong nghiên cứu của mình, nhóm tác giả Bùi Duy Tùng và Đặng Thị Bạch Vân (2015) đã sử dụng phương pháp đữ liệu bảng động dé đánh giá ảnh hưởng của các yếu tô nội tại đến nợ xấu của các NHTM Việt Nam (số lượng 25 ngân hàng) giai đoạn 2004-2014.

Sau khi xử lý GMM 02 bước với biến vĩ mô làm biến kiểm soát, kết quả cho thay nợ xâu của NHTM Việt Nam chịu tác động bởi các yêu tố nội tại như: chất lượng quản trị (-), rủi ro đạo đức (-), phù hợp với cơ sở lý thuyết. Riêng mức độ kiểm soát của chủ sở hữu, nghiên cứu phát hiện dấu của các hệ số ngược so với lý thuyết. Ngoài ra, tác giả chưa tìm thay bằng chứng cho thấy đa dang hóa hoạt động có thé làm giảm tỷ lệ nợ xấu. Cùng đối tượng nghiên cứu là nợ xấu tại các NHTM, Nguyễn Thị Hồng Vinh (2015) phân tích các yếu tố tác động đến nợ xấu của hệ thống NHTM Việt Nam (sốlượng 22 ngân hàng) giai đoạn 2007-2014 bằng 03 mô hình ước lượng đữ liệu bảng là hiệu ứng cố định FE, phương pháp momen tổng quát GMM dang sai phân va GMM dạng hệ thống.

Kết quả thu được cho thấy khả năng sinh lời và tăng trưởng kinh tế là 15 những yếu tố chính tác động ngược chiều đến nợ xấu. Ngoài ra, nợ xấu trong quá khứ, quy mô ngân hàng, tăng trưởng tín dụng thì tác động cùng chiều với nợ xấu.